摘要：植被是陆地生态系统的主体之一，在陆地表面能量交换、水文循环和气候调节等方面发挥着重要作用，是气候、地貌、土壤与人类活动长期相互作用的结果。基于2000-2015年SPOT NDVI植被指数产品数据和气候数据，利用像元二分模型探究岷江上游地区植被覆盖度近16年的动态变化。研究结果对岷江上游地区生态环境评价和植被恢复及保护具有一定的借鉴意义。

关键词：岷江上游地区;植被覆盖度;像元二分模型;趋势变化分析

1 研究背景

植被覆盖度随时间和空间的变化，在一定程度上反映地球表面生态环境的演变规律[1]。植被覆盖度（Fractional Vegetation Cover，FVC）通常定义为植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比[2]，是刻画地表植被覆盖的重要参数，也是指示生态环境变化的基本指标，是衡量地表植被状况的一个最重要的指标，也是影响土壤侵蚀与水土流失的主要因子[3]。近年来，国内外学者应用多种植被指数产品反演了植被覆盖度，并着重探讨了植被覆盖度对气候因子的响应，如Otto等[4]认为气候的变化将会对植被覆盖度动态产生影响，尤其是温度和降水的变化最为显著;Hua等[5]基于GIMMS-NDVI数据研究发现青藏高原温度升高促进了高原中部及东南部的植被生长，但不利于高原西南及东北部区域植被生长。本文基于SPOT NDVI序列数据，结合像元二分模型，分析岷江上游地区2000-2015年近16年植被覆盖度时空变化特征。

2 数据来源与研究方法

2.1 研究区概况

岷江上游地区在自然地理上属于青藏高原东缘高山峡谷区，地处横断山区东缘，位于四川省阿坝藏族羌族自治州境内，行政区划包括松潘、理县、黑水县、茂县以及汶川县，面积达2.5×104km2，地势由西北向东南倾斜。

2.2 数据来源与处理

遥感数据采用2000-2015年的SPOT NDVI数据集（空间分辨率为1km，时间分辨率为10d），采用最大值合成（MVC）方法降低云和气溶胶的大气效应来获得每月NDVI数据，提高数据精度[6]。

2.3 研究方法

通过最大值合成法（MVC）将每月三期的10d数据合成为月数据，得到能够代表地面的最为实际的NDVI（归一化植被指数）。NDVI存在高植被覆盖容易饱和、低植被覆盖又难以区分的缺点，采用李苗苗等[6]改进的像元二分模型来计算植被覆盖度（FVC）。

3 结果

为研究岷江源上游地区FVC的空间格局，计算了2000-2015年FVC的多年平均值。根据《土壤侵蚀分类分级标准》（SL190-2007），结合岷江上游地区FVC的实际情况，将植被覆盖度分成5级。研究区2000—2015年的FVC均值在0.72～0.90变化，整体上表现为东部地区植被覆盖度高于西部、西南部地区。Ⅰ级（FVC值<15%）和Ⅱ级（FVC值在15%～30%）植被覆盖度所占面积为15.21%，主要分布在研究区西部和东北边缘的高海拔地区，即汶川县西北部、理县中部、黑水县西北部以及松潘县东北部一带。其中高度植被覆盖区域占总面积的82.96%，表明研究区植被覆盖度整体情况较好;Ⅲ级（FVC值在30%～50%）和Ⅳ级（FVC值在50%～70%）植被覆盖度占17.81%，主要分布在边缘地区，低中山和中山区;Ⅴ级（FVC值>70%）植被覆盖占总面积的66.98%，主要分布茂县东部、松潘县东南部、汶川县东南部一带，该区域海拔高度低，属于丘陵高原地貌，日照丰富，气候变化明显，水热环境有利于植被生长。

基于像元二分模型计算得到岷江源上游地区2000-2015年FVC的平均值，并进行年际变化趋势分析。2000～2015年研究区FVC整体呈现增加趋势，FVC均值在0.72～0.90之间变化，增速达0.0004/a，年际变化趋势相对明显，说明岷江源上游地区FVC在近16年总体呈现改善状态。

4 结论

通过植被覆盖度变化可以了解地区植被生长动态，识别植被对气候变化的响应。本文结果表明，岷江上游地区过去16年植被覆盖状况整体较好，呈稳中向好趋势发展，岷江上游地区植被覆盖度均值在0.72-0.90变化，多年均值为0.786，植被覆盖情况较好，空间上呈现显著差异，总体上呈现东高西低，其中茂县的FVC值高于其它地区，东北部地区以及西南部地区FVC值较低。

参考文献

[1]Philip Gerla，Meredith Cornett，Jason Ekstein，Marissa Ahlering. Talking Big： Lessons Learned from a 9000 Hectare Restoration in the Northern Tallgrass Prairie[J]. Molecular Diversity Preservation International （MDPI），2012，4（11）.

[2]Gitelson A A， Kaufman Y J， Stark R， et al.Novel algorithms for remote estimation of vegetation fraction[J].Remote Sensing of Environment， 2002， 80 （1） ：76-87.

[3]秦伟，朱清科，张学霞，李文华，方斌.植被覆盖度及其测算方法研究进展[J].西北农林科技大学学报（自然科学版），2006（09）：163-170.

[4]M. Otto，C. Höpfner，J. Curio，F. Maussion，D. Scherer. Assessing vegetation response to precipitation in northwest Morocco during the last decade： an application of MODIS NDVI and high resolution reanalysis data[J]. Theoretical and Applied Climatology，2016，123（1-2）.

[5]Ting Hua，Xunming Wang. Temporal and Spatial Variations in the Climate Controls of Vegetation Dynamics on the Tibetan Plateau during 1982–2011[J]. Advances in Atmospheric Sciences，2018，35（11）.

[6]苗正红，刘志明，王宗明，宋开山，任春颖，杜嘉，曾丽红.基于MODIS NDVI的吉林省植被覆盖度动态遥感监测[J].遥感技术与应用，2010，25（03）：387-393.

[7]李苗苗. 植被覆盖度的遥感估算方法研究[D].中国科学院研究生院（遥感应用研究所），2003.